量子科技中心_量科网

重建蛋白质-蛋白质相互作用网络是网络医学领域的核心挑战，常通过链接预测算法解决。最新研究表明，基于量子行走的方法在该任务中展现出潜力。本工作中，研究团队通过在哈密顿量生成器中引入随机相位来构建手性特征，由此产生的额外自由度使得网络探索更具多样性——该团队利用手性量子行走集群实现了这一优势，从而增强了量子行走在复杂网络中的预测能力。相较于非手性算法，手性版本展现出更强鲁棒性，使其性能对最优演化时间（非手性模型的关键超参数）的依赖性显著降低，这种改进源于手性特性在集群内部引入的互补动力学效应。通过分析多种相位采样策略，研究人员发现了可实现实用平衡的配置方案：既保留了非手性算法在最优时间下的高预测精度，又获得了手性方法特有的鲁棒性。这些发现凸显了手性量子行走的多功能性，及其在现实场景（包括演进数据库连续版本间的比对）中超越经典方法和非手性量子方法的潜力。